Le problematiche e le sfide della traduzione automatica. Un confronto tra Google Translate, Bing Translator e DeepL


Bachelor Thesis, 2019

50 Pages, Grade: 1,0


Excerpt

Indice

ABSTRACT

1 INTRODUZIONE

2 LATRADUZIONEAUTOMATICA
2.2 Letipologiedeisistemiditraduzioneautomatica
2.2.1 La traduzione automatica basata su regole
2.2.2 La traduzione automatica statistica
2.2.3 La traduzione automatica neurale
2.3 APPLICAZIONIDI TRADUZIONE AUTOMATICA ONLINE
2.3.1 Google Translate
2.3.2 Bing Translator
2.3.3 DeepL

3 LE PROBLEMATICHE E LE SFIDE DELLA TRADUZIONE AUTOMATICA
3.1 Leambiguitalessicali
3.1.1 Lapolisemia
3.1.2 L ’ omonimia
3.2 Leambiguitasintattiche
3.3.1 Le polirematiche
3.3.2 Le espressioni idiomatiche
3.3.3 Le collocazioni
3.3.4 Iproverbi
3.4 IRIFERIMENTIANAFORICI/CATAFORICI
3.5 Le parole che non rispettano le regole ufficiau di una lingua
3.6 Lasinonimia
3.7 Altre fonti di errore

4 VALUTAZIONE DI SERVIZI DI TRADUZIONE AUTOMATICA ONLINE SULLA BASE DI FAVOLE SCELTE
4.2 Metodologiaedati
4.3 PRESENTAZIONE DEI RISULTATI
4.3.1 Rumpelstilzchen (Tremotino)
4.3.1.1 Errori grammatical!
4.3.1.7 Traduzioniincomprensibili
4.3.2 I tre castelli (Die drei Schlosser)
4.3.2.1 Errori grammatical!
4.3.2.7 Traduzioniincomprensibili
4.4 DlSCUSSIONE DEI RISULTATI

5 CONCLUSIONE E PROSPETTIVE FUTURE

BIBLIOGRAFIA

L’INDICE DELLE FIGURE E DELLE TABELLE

APPENDICE

Abstract

L'obiettivo della presente tesi e stato quello di evidenziare le sfide e le problematiche che deve affrontare la traduzione automatica, dedicando particolare attenzione alle fonti di errore di natura semantica. Oltre ad una descrizione teorica degli errori che si verificano spesso, sono state tradotte due favole per analizzare quali errori si verificano con quale frequenza nella pratica. Dopo la traduzione delle due fiabe con i tre sistemi di traduzione automatica online Google Translate, Bing Translator e DeepL, i loro risultati sono stati confrontati e valutati. Sono state analizzate le rispettive traduzioni della fiaba Rumpelstilzchen dei fratelli Grimm (2012) e della fiaba ; tre castelli di Italo Calvino (2012), la prima tradotta dal tedesco all’italiano e la seconda dall’italiano al tedesco. In seguito, sono state create diverse categorie di errore, a cui sono stati assegnati gli errori. L'analisi ha dimostrato che la selezione di un'espressione adatta, omissioni, ambiguita lessicali e preposizioni rappresentano una sfida particolare per la traduzione automatica e che vengono relativamente spesso prodotte traduzioni incomprensibili. Nel complesso, il traduttore online DeepL ha dato i migliori risultati, mentre Bing Translator, seguito a ruota da Google Translate, ha fornito le traduzioni piu difettose.

Ziel der vorliegenden Bachelorarbeit war es, die Herausforderungen und Problematiken, mit welchen die automatische Obersetzung konfrontiert ist, aufzuzeigen, wobei ein besonderes Merkmal auf Fehlerquellen semantischer Natur gelegt wurde. Neben einer theoretischen Beschreibung der haufigsten Fehler wurde aufierdem anhand zweier Marchen analysiert, welche Fehler wie haufig in der Praxis auftreten. Die beiden Marchen wurden dabei von den drei Online Obersetzern Google Translate, Bing Translator und DeepL ubersetzt und deren Ergebnisse im Anschluss verglichen und bewertet. Analysiert wurde die jeweilige Obersetzung des Marchens Rumpelstilzchen der Gebruder Grimm (2012) sowie des Marchens i tre castelli von Italo Calvino (2012), wobei ersteres von Deutsch auf Italienisch und letzteres in die umgekehrte Richtung ubersetzt wurde. Nach der Obersetzung der Marchen, wurden unterschiedliche Fehlerkategorien erstellt, welchen die Fehler daraufhin zugeordnet wurden. Aus der Analyse ging hervor, dass besonders die Auswahl eines passenden Ausdrucks, Auslassungen, lexikalische Ambiguitaten und Prapositionen eine grofie Herausforderung fur die maschinelle Obersetzung darstellen und dass zudem vergleichsweise haufig unverstandliche Obersetzungen erzeugt werden. Insgesamt hat der Online-Obersetzer DeepL deutlich am besten abgeschnitten, wohingegen Bing Translator, dicht gefolgt von Google Translate, die fehlerhaftesten Obersetzungen lieferte.

I Introduzione

II superamento delle barriere linguistiche e sempre stato un obiettivo importante per I'umanita, sia in ambito politico, economico, militare e sociale. Con I'avvento della linguistica computazionale negli anni '50, per la prima volta si compieva passi significativi verso il desiderio di comunicare oltrepassando le diversita linguistiche: Combinando l’informatica e la linguistica, i linguaggi natural! potrebbero essere compresi ed esaminati piu intensamente. Nell’area della linguistica computazionale, in particolare il sottocampo della traduzione automatica si e affermato e ha guadagnato grande popolarita (cf. Carstensen et al. 2010: lss.; Dardano 2016: 24ss.). La traduzione automatica riguarda la traduzione di testi da una lingua di partenza in una lingua di destinazione mediante il computer e rappresenta l’argomento principale del presente lavoro.

Nuovi approcci e metodi vengono costantemente sviluppati e modificati per migliorare la traduzione automatica. Significativi risultati sono gia stati raggiunti in quanto applicazioni come il noto traduttore online Google Translate hanno reso possibile alia gente comune di tradurre testi da o in qualsiasi lingua in un breve periodo di tempo. Nonostante questi progress!, un sistema di traduzione automatica perfetto sembra impossibile, dato che una applicazione di traduzione automatica, per quanto avanzata, avra sempre alcune limitazioni. I linguaggi umani contengono molte irregolarita ed eccezioni e quindi subiscono un costante processo di cambiamento che e difficile da misurare o elaborare automaticamente.

Quali sfide la traduzione automatica deve affrontare attualmente, verra esaminato nella presente tesi ed analizzato empiricamente sulla base di due favole. A tal fine, nel capitolo 2 verra definito il termine traduzione automatica, verranno mostrati diversi approcci e verranno introdotti tre sistemi di traduzione automatica online selezionati. In seguito a questa prima panoramica teorica, le diverse fonti di errore saranno spiegate nel capitolo 3 e illustrate con esempi. II capitolo 4 e dedicato alia valutazione delle tre applicazioni online Google Translator, Bing Translate e DeepL traducendo due fiabe. Dopo aver spiegato gli obiettivi e la metodologia dell'analisi, i risultati saranno presentati e discussi. In appendice sono riportati i risultati dell'analisi in dettaglio.

2 La traduzione automatica

In questo capitolo verra chiarito il termine traduzione automatica per garantire una migliore comprensione del presente lavoro. Inoltre, verranno spiegate le tipologie dei sistemi di traduzione automatica di maggior successo finora, che hanno influenzato e contribuito in larga misura alio sviluppo della traduzione automatica. Alia fine, verranno presentati tre servizi di traduzione automatica online, sulla base dei quali verranno descritte le difficolta della traduzione automatica nei capitoli successivi.

2.1 Definizione

La traduzione automatica, in inglese Machine Translation (MT) o Fully Automatic Machine Translation (FAMT), è un’area della linguistica computazionale che ha lo scopo di tradurre testi da una lingua umana (lingua di partenza) ad un’altra (lingua d’arrivo) tramite il computer (cf. Schwanke 1991: 60).

In generale, questa definizione e del tutto corretta, ma non chiarisce esattamente il ruolo del computer durante il processo di traduzione, motivo per cui e necessaria una distinzione piu precisa tra i termini traduzione assistita e traduzione automatica. II termine traduzione assistita o Computer Assisted Translation (CAT) si riferisce ai programmi di traduzione assistita che aiutano il traduttore dal punto di vista tecnico. Malgrado i programmi, ad esempio, gestiscano un glossario, forniscano informazioni sull’uso delle parole e formattino il testo, la traduzione stessa spetta sempre ed unicamente al traduttore umano. Con il termine traduzione automatica, invece, si intendono process! di traduzione svolti dal computer stesso, senza I'intervento umano. Tuttavia, dopo che il computer ha tradotto il testo indipendentemente, e possibile eseguire una revisione umana (post-editing), se desiderata e necessaria (cf. Schwanke 1991: 60ss.; Slapek 2016: 33).

Visto che la traduzione automatica pone ancora oggi alcuni problem!, I'output della traduzione nella stragrande maggioranza dei casi non passa senza correzione umana. Anche se in modi e gradi diversi, I'aiuto umano e quindi sempre implicito, il che confonde i confini tra la traduzione automatica e quella assistita (cf. Schwanke 1991: 62).

Nel presente lavoro si parlera della traduzione automatica, dato che l’attenzione della ricerca si concentra sugli errori che si verificano quando il computer traduce diversi testi in modo completamente automatico ed indipendente.

2.2 Le tipologie dei sistemi di traduzione automatica

Grazie al progresso tecnologico, i sistemi di traduzione automatica si sono sviluppati continuamente. Nei sottocapitoli seguenti verranno presentati gli approcci piu influent! in ordine cronologico, partendo dagli anni’60 fino allo stato attuale della ricerca nel 2019.

2.2.1 La traduzione automatica basata su regole

La traduzione automatica basata su regole risale agli anni’60 ed e considerata il metodo classico della traduzione automatica. Questo primo approccio si fonda sulla formalizzazione delle conoscenze linguistiche rappresentate da dizionari bilingui e regole grammaticali (cf. Microsoft Translator, s.d.; Werthmann & Witt 2014: 87).

Per i metodi basati su regole Slapek (2016) distingue tre paradigmi di diversa complessita che vengono illustrati nella figura 1:

(1) II paradigma a traduzione diretta è l’approccio piu antico e piu semplice. II testo della lingua di partenza (L[p]) viene segmentato in parole, che vengono poi tradotte una per una nella lingua d’arrivo (L[a]) tramite un lessico bilingue (cf. Werthmann & Witt 2014: 88).
(2) Nel paradigma a transfer, il testo di partenza viene segmentato nelle parti del discorso, che vengono poi esaminate a livello morfologico e sintattico. Dopo l’analisi, il testo di partenza viene rappresentato in modo astratto. Nella fase successiva le strutture ottenute vengono trasferite nelle strutture astratte della lingua d’arrivo con cui viene infine generato l’output (cf. Raffner 1997: 88).
(3) II paradigma Interlingua e simile al paradigma a transfer, ma e caratterizzata da un’analisi più complessa. Dopo la segmentazione e l’analisi viene prodotta una rappresentazione intermedia del testo di partenza, chiamata Interlingua, che e indipendente dalla lingua di partenza e dalla lingua d’arrivo. Nell’ultimo passo viene generato il testo in uscita sulla base dell’Interlingua (cf. Werthmann & Witt 2014: 90). Il vantaggio rispetto al paradigma a transfer è che l’Interlingua può essere riusata per ogni coppia di lingue (cf. Slapek 2016: 22).

Abbildung in dieser Leseprobe nicht enthalten

Figura 1: Piramide della traduzione automatica basata su regole (cf. Slapek 2016:22)

Mentre la traduzione diretta con la sua analisi minima e al livello piu basso, il paradigma Interlingua, che cerca di rappresentare tutte le singole lingue in una rappresentazione indipendente dalla lingua di partenza, si trova in cima al triangolo. Al centro dello schema c'e I'approccio transfer, che puo essere visto come la via di mezzo tra la traduzione diretta ed il paradigma Interlingua (cf. Werthmann & Witt 2014: 88).

II paradigma piu usato e il paradigma a transfer, dato che la traduzione diretta fornisce risultati insoddisfacenti e il metodo interlingua richiede un'analisi estremamente complessa (cf. Raffner 1997: 85ss.). Tuttavia, la traduzione automatica basata su regole e sempre piu spesso sostituita dalla traduzione automatica statistica e dalla traduzione automatica neurale (cf. Interlingua, s.d.), che verranno descritte nei capitoli seguenti.

2.2.2 La traduzione automatica statistica

Questo sistema di traduzione automatica era il metodo piu utilizzato per traduzioni automatiche fino alia fine del 2016 (cf. Microsoft Translator, s.d.). Non e piu basato su dizionari e regole linguistiche, ma su corpora ampi (cf. Slapek 2016: 23). Come suggerisce il nome ‘statistico', i corpora sono valutati staticamente per determinare le traduzioni piu probabili. Attualmente la traduzione statistica analizza simultaneamente una serie di parole successive, il che implica che il contesto viene preso in considerazione in misura minore, se le parole che sono rilevanti per il significato sono abbastanza vicine tra loro. Frasi lunghe o coppie linguistiche che differiscono notevolmente portano invece spesso a traduzioni non corrette. Inoltre, di solito e ovvio che il testo e stato tradotto tramite traduzione automatica e sono necessari corpora complessivi, che contengono enormi quantita di dati da varie aree tematiche (cf. Schmalz 2019: 198).

2.2.3 La traduzione automatica neurale

Alia fine del 2016 sono stati introdotti per la prima volta sistemi di traduzione automatica basati sulle cosiddette reti neurali nell’ambito del deep learning, campo di ricerca dell’apprendimento automatico e dell’intelligenza artificiale. Simile alia traduzione statistica, vengono utilizzati i corpora e la traduzione avviene in base al contesto. La grande differenza, tuttavia, e che una rappresentazione vettoriale e diversi livelli intermedi e gradi di astrazione sono utilizzati per simulare il processo di traduzione umana. In piu, a differenza della traduzione automatica statistica, la traduzione automatica neurale analizza sempre una frase completa, indipendentemente dal fatto che sia composta da cinque o venti parole. II vantaggio che ne consegue e che la progressione tematica (cf. Dardano 2005: 112s.) puo essere esaminata meglio, garantendo cosi una migliore continuita semantica. Inoltre, la struttura linguistica e migliore, ci sono meno errori di sintassi e anche coppie linguistiche, in cui I'ordine delle parole differisce notevolmente, forniscono traduzioni soddisfacenti. In generale, la traduzione automatica neurale produce frasi natural! e comprensibili, ma anche qui, come per la traduzione automatica statistica, c'e una forte dipendenza dai corpora (cf. Microsoft Translator, s.d.; Schmalz 2019: 198ss.). I progress! tecnologici nel campo della traduzione automatica neurale si superano costantemente ed i piu note applicazioni di traduzione automatica online si affidano gia a questo approccio, alcuni dei quali verranno presentati nel capitoloseguente.

2.3 Applicazioni di traduzione automatica online

Nell’era di Internet è possibile tradurre testi automaticamente sfruttando servizi di traduzione automatica resi disponibili sulla grande rete. Questo processo di traduzione che si svolge online, di solito offerto gratuitamente, e definito traduzione automatica online oppure E-Translation. Con la diffusione di servizi gratuiti su Internet, la traduzione automatica e stata resa accessibile al grande pubblico, il che ha contribuito alia sua crescente popolarita. Sebbene la qualita delle traduzioni non sia sempre apprezzabile, i sistemi di traduzione automatica vengono utilizzati quotidianamente da milioni di utenti in tutto il mondo.

Sul mercato sono attualmente present! piu di 60 sistemi di traduzione automatica (cf. Monti 2011: 545s.), tre dei quali verranno presentati in modo piu dettagliato nei sottocapitoli successivi.

2.3.1 Google Translate

Google Translate (o Google Traduttore in italiano) e senza dubbio I'applicazione di traduzione automatica online piu conosciuta e rappresentativa. Mentre nel 2006, anno in cui e stato lanciato Google Translate, era possibile tradurre solo dall'arabo all'inglese e viceversa, oggi vengono supportate 103 lingue. Inoltre, non solo il numero di lingue offerte e cambiato, ma anche la tipologia del sistema: nel 2007, Google e stato il primo ad introdurre la traduzione automatica statica, che e stata sostituita dalla traduzione automatica neurale nel novembre 2016. Oggi, oltre 100 trilioni di parole vengono tradotte ogni giorno e piu di 500 milioni di utenti traducono con Google Translate, usando il sito web https://translate.google.de o l’applicazione mobile (cf. Schmalz 2019: 198; Turovsky 2016).

2.3.2 Bing Translator

Bing Translator di Microsoft, noto anche come Microsoft Translator, e stato lanciato nel 2007 e mette a disposizione traduzioni automatiche online tramite il sito web https://www.bing.com/translator o I'applicazione appartenente. Dal 2016, il sistema di traduzione offre traduzioni a base della traduzione automatica neurale, disponibile per 42 delle 65 lingue selezionabili. Tra le lingue disponibili ci sono anche I'italiano e il tedesco, mentre le altre 23 lingue stanno ancora lavorando secondo I'approccio statistico (cf. Chan 2017: 211ss.; Microsoft, s.d.)

2.3.3 DeepL

Sorprendentemente, nell'agosto 2017 e stato lanciato sul mercato un nuovo sistema di traduzione automatica, che e stato in grado di affermarsi al fianco di grandi aziende come Google e Microsoft: DeepL. L’applicazione, come suggerisce il nome, si fonda su Deep Learning e quindi sulla traduzione automatica neurale. Oltre al sistema di traduzione automatico online, DeepL offre un motore di ricerca sotto il nome Linguee, con il quale vengono raccolti dati ampi e di alta qualita che fungono poi da database per le traduzioni (cf. Heiss & Soffritti 2018: lss.; Schmalz 2019:199s.). A differenza dei due sistemi di traduzione precedent!, DeepL supporta relativamente poche lingue: sul sito web https://www.deepl.com/translator si puo scegliere tra nove lingue diverse.

3 Le problematiche e le sfide della traduzione automatica

Sebbene i sistemi di traduzione automatica si siano notevolmente evoluti negli ultimi decenni, ci sono ancora diversi problem! aperti che creano difficolta nell’ambito della traduzione automatica. In questo capitolo, le sfide verranno prima descritte teoricamente e poi dimostrate praticamente, dando ed analizzando qualche esempio. Gli esempi vengono tradotti utilizzando i sistemi di traduzione presentati nel capitolo 2.3, che vengono abbreviati nel modo seguente: Google Translate (GT), Bing Translator (BT) e DeepL (D).

Dato che i problem! di traduzione automatica sono spesso dovuti alia semantica, il triangolo semiotico secondo Ogden e Richards (1923) verra brevemente spiegato per garantire una migliore comprensione dei problem! che verranno elencati nei sottocapitoli seguenti.

Abbildung in dieser Leseprobe nicht enthalten

Figura 2: Triangolo semiotico (cf. Ogden & Richards 1923:11)

II triangolo semiotico (figura 2) descrive il rapporto semantico tra significante, significato e referente. Con il termine significante si intende la forma di una parola che rinvia al contenuto, il cosiddetto significato. Il significato rimanda all’ referente, un elemento extralinguistico. Quando si parla per esempio di un cane, il significante e la parola c-a-n-e, il referente e il cane specifico di cui si sta parlando ed il significato è l’immagine che ci si viene in mente parlando di un cane. Lo scopo di questo modello e di illustrare che il significante non si riferisce direttamente al referente, ma che tale riferimento e mediato dal significato (cf. Dardano 2005: 146s.). II triangolo di Ogden e Richards e cosi importante perche gli esseri umani tendono a fondere le tre pietre angolari. Quando si parla di qualcosa, I'oggetto di cui si sta parlando (referente), la parola ad esso associato (significante) e l’immagine nel nostro pensiero (significato) si uniscono. Per la traduzione automatica, tuttavia, questo complesso processo mentale costituisce una grande difficolta, come verra mostrato di seguito.

3.1 Le ambiguita lessicali

L’ambiguità lessicale è un caso particolare di ambiguita che si verifica caratteristicamente al livedo della parola. Si distingue tra polisemia ed omonimia, le quali verranno presentate nei capitolisottostanti.

3.1.1 La polisemia

Si dice polisemica (dal greco antico polys ‘molto’ e sēme î on ‘segno’) una parola che mostra due o piu significati che sono collegati sia dal punto di vista etimologico che semantico, trovandosi sotto la stessa entrata nei dizionari (cf. Dardano 2005: 161ss.; Konecny & Autelli 2012: Glossar; Slapek 2016: 41ss.).

Le parole polisemiche rappresentano una grande sfida per la traduzione automatica, visto che e necessaria un'analisi accurata delle caratteristiche contestuali (cf. Schneider 1998: 390; Werthmann & Witt 2014: 83ss.). Se il contesto della frase non e chiaro, non puo essere interpretato o se deve essere tradotto un significato meno frequente della parola, possono sorgere traduzioni errate (cf. Slapek 2016: 43s.). La tabella seguente (tabella 1) mostra come i tre traduttori online trattano le parole polisemiche.

Abbildung in dieser Leseprobe nicht enthalten

Tabella 1: Traduzione difrasi che contengono una parola polisemica

Come si puo vedere nelle prime due frasi di esempio prese da Wilss (1988: 209), la parola Schloss assume sia il significato di 'edificio' (1) sia il significato di 'serratura’ (2). La seconda frase e correttamente tradotta da tutti i sistemi di traduzione, ma I'espressione polisemica nella prima frase causa problem!: Google Translate e Bing Translator traducono il significato sbagliato. Solo il traduttore DeepL riconosce che non si puo trattare di un edificio in questo contesto. Traducendo nella direzione opposta, cioè dall’italiano al tedesco, si ottiene un risultato simile. II termine batteria significa ‘oggetti raggruppati per una specifica funzione’ (3) ma puo anche indicare uno ‘strumento musicale’ (4) o un ‘dispositivo per dispensare e conservare elettricita’ (5). Anche in questo caso tutte le frasi vengono tradotte correttamente da DeepL, mentre la frase tre porta a traduzioni errate usando Google Translate e Bing Translator.

3.1.2 L ’omonimia

L’omonimia (derivante dal greco omdnymos ‘dal nome uguale’) e un fenomeno linguistico collegato alia polisemia. Anche in questo caso due o piu parole condividono lo stesso significante, ma in contrario alia polisemia non si tratta di una parola unica che ha differenziato i suoi significati nel corso del tempo, ma di due parole inizialmente diverse, essendosi evolute nella stessa forma. Nei dizionari, gli omonimi vengono solitamente inserite come due entrate diverse (cf. Dardano 2005:163s.; Slapek 2016: 41; Treccani, s.d.). Per le stesse ragioni della polisemia, l'omonimia rappresenta una grande sfida per la traduzione automatica (cf. Slapek 2016: 41), come viene mostrato nella tabella 2.

Abbildung in dieser Leseprobe nicht enthalten

Tabella 2: Traduzione di frasi che contengono una parola omonima

L’espressione Mutter viene usata nell’ambito tecnico per nominare un ‘componente su cui si avvita la vite’ (6), ma viene utilizzata piu frequentemente con il significato ‘donna genitrice di un figlio’ (7). Se il significato frequente della parola deve essere tradotto, non pone problem! per i sistemi di traduzione, ma traducendo l'espressione nell'uso tecnico Bing Translator e DeepL forniscono risultati sbagliati. Considerando omonimi italiani, la parola squadra assume il significato di ‘strumento da disegno’ (8) ma può anche indicare un ‘gruppo di persone che gareggiano in uno sport’ (9). Anche in questo caso il significato piu comunemente usato (9) viene tradotto correttamente da tutte le applicazioni di traduzione automatica, mentre il significato piu specifico (8) causa problem! a tutti i servizi.

3.2 Le ambiguita sintattiche

Non solo singole parole, ma anche intere frasi possono avere diversi significati. L’ambiguità sintattica si occupa di questo fenomeno linguistico ed esamina frasi che consentono piu di una interpretazione (cf. Slapek 2016:41; Wilss 1988: 213). Di seguito vengono presentate due frasi ambigue a titolo illustrativo:

Abbildung in dieser Leseprobe nicht enthalten

Tabella 3: Traduzione di frasi ambigue

Ci sono due modi per interpretare l’esempio (10): Una interpretazione è che alla donna manca l’uomo per essere felice, l’altra è che alla donna manca l’uomo per fortuna. Il secondo esempio (11) preso da Slapek (2016: 41) e anche ambiguo: Leggendo la frase, si può avere l’impressione che ci sia una vecchia porta che sbarra qualcosa oppure che ci sia una vecchia donna che sbarra la porta. Anche se le frasi vengono tradotte correttamente, possono sollevare molteplici problemi: I sistemi di traduzione automatica non dispongono della conoscenza del discorso e della conoscenza del mondo necessaria per interpretare correttamente la frase, il che costituisce non solo un problema per la traduzione automatica, ma anche per la traduzione umana. E possibile che I'interpretazione corretta sia scelta per caso o che il sistema di traduzione riconosca il contesto, ma questo e raramente il caso e pone ancora un grosso problema per le piu recenti tecnologie di traduzione (cf. Arnold et al. 1994: 105ss.; Slapek 2016: 41; Wilss 1988: 213s.). Inoltre, negli esempi si nota che tutti i sistemi di traduzione traducono lo stesso significato della frase, anche se, soprattutto nell'esempio (10), la prima interpretazione sembra essere piu intuitiva.

3.3 I fraseologismi

Partendo da una concezione ampia, i fraseologismi sono combinazioni di parole che presentano una certa fissita, il cui significato spesso non e composto dalla somma dei singoli componenti. Le polirematiche, le espressioni idiomatiche, le collocazioni ed i proverbi appartengono all’ambito dei fraseologismi e rappresentano un ostacolo per le applicazioni di traduzione automatica, motivo per cui verranno presentati in dettaglio di seguito (cf. Casadei 2001: 50s.; Konecny & Autelli 2012: Glossar).

3.3.1 Le polirematiche

Le polirematiche, chiamate anche unita lessicali superiori, sono espressioni lessicali costituite da piu di una parola, il cui significato e ricavabile dalla somma dei significati dei componenti. Possono appartenere a varie categorie lessicali ed a differenza degli insiemi liberi di parole, la successione degli element! present! non puo essere mutata (cf. Dardano 2005: 69s.; Slapek 2016: 39s.).

Slapek (2016) descrive le espressioni polirematiche come una difficolta per la traduzione automatica, ma tutti i termini citati [scala mobile, macchina da schvere, a gambe levate) sono stati correttamente tradotti dai sistemi di traduzione. Nel suo lavoro, Slapek (2016) afferma che la traduzione puo avere successo solo se le espressioni polirematiche sono registrate come unita nei dizionari (cf. Slapek 2016: 40), il che e reso possibile dalle grandi banche dati lessicali che vengono utilizzate dalla traduzione neuronale. Inoltre, le espressioni polirematiche possono spesso essere tradotte letteralmente, il che rende la traduzione piu facile in contrasto con i seguenti fraseologismi.

[...]

Excerpt out of 50 pages

Details

Title
Le problematiche e le sfide della traduzione automatica. Un confronto tra Google Translate, Bing Translator e DeepL
College
University of Innsbruck
Grade
1,0
Author
Year
2019
Pages
50
Catalog Number
V594038
ISBN (eBook)
9783346218544
ISBN (Book)
9783346218551
Language
Italian
Tags
bing, deepl, google, translate, translator
Quote paper
Christina Eberharter (Author), 2019, Le problematiche e le sfide della traduzione automatica. Un confronto tra Google Translate, Bing Translator e DeepL, Munich, GRIN Verlag, https://www.grin.com/document/594038

Comments

  • No comments yet.
Read the ebook
Title: Le problematiche e le sfide della traduzione automatica. Un confronto tra Google Translate, Bing Translator e DeepL



Upload papers

Your term paper / thesis:

- Publication as eBook and book
- High royalties for the sales
- Completely free - with ISBN
- It only takes five minutes
- Every paper finds readers

Publish now - it's free